業界已經不乏關于人工智能及其應用的好處的討論，包括約會、營銷和社交媒體到太空探索和醫學進步。每個行業都受到人工智能工具的影響，包括氣象行業。

氣象學一直都在努力解決大數據的問題。筆者甚至認為，在大數據這個詞成為主流之前，氣象學就是大數據的縮影。天氣具有多變性和混沌性，半個多世紀以來，氣象學家一直在試著處理兆兆字節(TB)級別的數據和建模變量做準確的天氣預測。到了今天，我們還是在處理數據，數據規模到了千兆兆字節(PB)級別，拜物聯網、更多的傳感器和集合建模所賜。寫手Ted Alcorn估計，“今天的(天氣)模型每天用到約1億條數據，其復雜程度堪比對人腦或宇宙誕生的模擬。”

但計算能力和人工智能等技術在不斷進步，我們現在不僅能夠更快、更容易地分析數據，而且還能從歷史數據中 “學習”，從而獲得更好的態勢感知和做出更好的決策。人工智能在氣象界能夠用于應對幾個不同的挑戰。其中的一個重點是做出更好的天氣預報。

天氣預報現在可以更加準確了。時下五天的預測有90%的準確性，與25年前三天預測的準確度相同。短期預測(也就是說以小時為時間跨度的當下預測)則更具挑戰性，主要是由于地面的微觀變化。DeepMind和埃克塞特大學的科學家們與英國氣象局合作，利用人工智能建立了一個當下預測系統，該系統可望克服這些挑戰做出更準確的短期預測，包括對重大風暴和洪水的預測。另外一項研究是研究建模的效率以及人工智能如何分析過去的天氣模式對未來事件更有效和更準確地預測。

筆者的工作重點(以及我特別感興趣的人工智能領域)是人工智能在預測來自天氣事件的潛在影響方面的應用，相對于天氣本身而言，更多的涉及到天氣所產生的結果。

例如，公共事業部門利用人工智能預測可能出現的停電。一個特定的公用事業地點或地區的歷史停電數據收集了以后可以允許計算機根據預測的天氣狀況生成對未來需求的預測。這些歷史數據涵括了基礎設施應對過去的風暴的知識，包括學習加固網絡的差異，實現個別基礎設施組件的年齡和維護的做法。這些數據集可以生成未來可能到來的風暴導致的停電基線數據。市政區管理層次上也可以采用同樣的方法。我們對于城市的基礎設施、地形和疏散路線等變量以及歷史氣象數據的了解，可以幫助城市更好地洞察潛在的影響領域和公共或基礎設施安全的風險。

而且，在我們談論先進的技術和洞察力的同時，筆者認為人的因素在這個過程中仍然至關重要。最近《連線》雜志的一篇文章提到一些研究結果，這些研究發現人類預報員的預測比人工智能的預測更準確。

另一個需要人為干預的領域是風險溝通者的增長需求。風險溝通者是一群特殊的氣象學家，他們在預測的基礎上更進了一步，將風險或影響傳達給企業、市政當局或公眾。我聽到過一些評論指，在人工智能更值得信賴后就可以簡單地切換天氣偏好按需求獲得準確、有意義的天氣數據。我們將擁有逐步改善的數據和預測，這一點我同意，但我相信這也將增加對人類專家的需求，以達到評估、解釋和溝通數據(以及風險和影響)的目的，所用到的方式是有意義的，可以幫助那些必須做出靈活、明智決定以保護人民、基礎設施和企業資產的人。更大的問題并不是人類預測還是人工智能預測，而是氣象學家如何利用改進的人工智能幫助決策者為他們的利益相關者做出最佳決定。